申请/专利权人：中国科学院深圳先进技术研究院

申请日：2020-12-09

公开（公告）日：2024-04-23

公开（公告）号：CN112561995B

主分类号：G06T7/73

分类号：G06T7/73;G06N3/08;G06N3/0464

优先权：

专利状态码：有效-授权

法律状态：2024.04.23#授权;2021.04.13#实质审查的生效;2021.03.26#公开

摘要：本发明公开了一种实时高效的6D姿态估计网络、构建方法及估计方法，属于计算机视觉技术领域，涉及6D姿态估计领域，利用多向特征融合金字塔网络MFPN用于将特征进行融合和表达，多向特征融合金字塔网络MFPN可以有效的表示和处理多尺度特征，并且能够有效处理遮挡和背景复杂的情况，以跨阶段局部网络CSPNet作为基本模块，并融合YOLO框架，构建了一个能够有效提取特征的骨干网络，然后与多向特征融合金字塔网络MFPN相结合，最终设计了用于6D姿态估计的新网络MFPN‑6D，可以有效解决物体纹理不足和遮挡问题，提高了模型的预测精度和计算速度，也增强了鲁棒性。

主权项：1.一种实时高效的6D姿态估计网络，其特征在于，包括多向特征融合金字塔网络和骨干网络，所述多向特征融合金字塔网络和所述骨干网络相组合形成所述6D姿态估计网络，所述多向特征融合金字塔网络用于将特征进行融合和表达，所述骨干网络用于特征提取，其中，所述多向特征融合金字塔网络包括残差结构，所述残差结构融合到所述多向特征融合金字塔网络的前向传播和垂直传播中，所述骨干网络以CSPNet网络作为基础模块对图片进行特征提取，并融合YOLO框架，所述6D姿态估计网络的总数据集包括LINEMOD标准数据集和Occluded-LINEMOD标准数据集，所述LINEMOD标准数据集包括13个序列，每个序列包含杂乱环境中单个目标的真实姿态，并且提供了所有目标的CAD模型。

全文数据：

权利要求：

百度查询： 中国科学院深圳先进技术研究院 一种实时高效的6D姿态估计网络、构建方法及估计方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD